AI動画生成でクオリティを左右するのは、実はカメラワークよりも「何がどう動くか」を書く力です。被写体の動作、カメラと被写体の物理的な連動、スローモーションやスピードランプによる緩急、髪や布・炎・水しぶきといった二次的な動き、そしてVeo 3.1やSeedanceのようなネイティブ音声対応モデルでの音の演出まで――「モーション記述」を軸に、コピペで試せるオリジナルのサンプルプロンプトとともに解説します。
なぜ「モーション記述」が動画プロンプトの核なのか
Runwayの公式ガイドは、画像から動画を作る際のプロンプトを「Visual descriptions（何が見えるか）」と「Motion descriptions（どう動き振る舞うか）」に分け、実質的にプロンプトの役割はほぼ後者（動きの記述）に集約されるとしています。静止画の段階で構図・被写体・光は決まっているため、動画プロンプトが担うのは「何がどのスピードでどう動くか」を言語化すること。これはMidjourneyやNano Bananaのような画像プロンプトと動画プロンプトの最大の違いです。
作例①：被写体の動作を単一の連続アクションで書く
①狙い：湯気の立つカフェラテにミルクを注ぐ瞬間を、被写体の動作だけに集中して自然な物理挙動で再現する。
A barista's hand tilts a small steel pitcher and pours steamed milk in a slow, steady stream into a white ceramic cup of espresso. The milk swirls and folds into the crema, forming a rosetta pattern as it spreads. Steam drifts upward from the cup. The hand and pitcher move smoothly, no camera movement, shallow depth of field, warm morning light from a side window.③分解：「swirls and folds」「forming a rosetta pattern as it spreads」のように、結果として画面に見える変化を時系列で描写している点がポイントです。Runwayの公式解説は被写体には”the subject”のような一般的な呼び方を使い、画像側にすでにある外見の説明を繰り返さないことを推奨しています。「no camera movement」と明記して被写体の動きだけに集中させているのも、複数の動きを同時に要求して破綻するのを防ぐテクニックです。
作例②：被写体の動作とカメラの物理連動を同時に指定する
①狙い：陶器のマグカップが棚から落ちて割れる瞬間を、衝撃・破片・水しぶきの因果関係までカメラワークと連動させて描く。
A ceramic mug slides off a wooden shelf edge and falls, tumbling once in the air before it hits the tile floor and shatters into several pieces, coffee splashing outward across the tiles. The camera whip-pans down to follow the fall, then holds on a low static angle as the shards settle and the coffee spreads. Natural daylight, slight motion blur on the fastest moment of the fall.③分解：「slides off」→「tumbling」→「hits」→「shatters」→「splashing」と、原因と結果を接続詞なしで時系列に並べることで、物理法則の一貫性(落下・破砕・液体の跳ね方)を得意とするモデルにとって解釈しやすい構造になります。カメラの動き（whip-pan→静止）を被写体の動きの直後に書くことで、「カメラが動きを追いかける」という因果関係もモデルに伝わります。
作例③：スピードランプでメリハリをつくる
①狙い：スケートボードのトリックを「助走は通常速度、空中でスローモーション、着地で通常速度に戻る」という緩急で見せる。
A skateboarder rides toward a curb at normal speed, then launches into a kickflip. The moment the board leaves the ground, the motion shifts into slow motion, board rotating clearly in the air, the rider's arms extending for balance. As the board lands back under the rider's feet, motion snaps back to normal speed and the rider rolls away. Handheld tracking camera, skate park at golden hour.③分解：「shifts into slow motion」「snaps back to normal speed」という速度変化そのものを動詞で明示するのが要点です。Google Flowのプロンプト解説記事も、スピードランプ的な演出はショートコマンドだけに頼らず「加速し、頂点で劇的に減速する」のように挙動を文章で説明する方が意図が伝わりやすいと指摘しています。見せ場（空中の一瞬）だけを遅くし、前後を通常速度に戻すことで、動画全体が間延びしません。
作例④：二次的な動き（髪・布・炎・水）で画面に生命感を足す
①狙い：主動作は「歩く」というシンプルな動きだが、風になびく髪とコートの裾、足元で舞う枯葉という二次的な動きを重ねて画面の情報量を上げる。
A woman in a long wool coat walks steadily across a stone bridge in autumn. Her hair and the hem of her coat lift and sway in the wind with each step. Dry leaves swirl low around her ankles, caught in small gusts. The camera moves alongside her at a constant walking pace, keeping her centered in frame. Overcast light, muted autumn colors.③分解：主動作（歩く）・二次的動き（髪とコートが風になびく）・環境の動き（枯葉が舞う）の3層を役割ごとに一文ずつ分けて書いています。Klingの公式プロンプトガイドも、炎が風になびく・煙が立ち上る・ランナーが前傾するといった「見えている動き」を具体的に書くことが、内部的な物理挙動を主張するより効果的だと述べています。Motion Brush(領域ごとに動きを指定する機能)が使えないテキストのみのモデルでも、この3層分けは有効です。
作例⑤：ネイティブ音声モデル向けに「台詞・効果音・環境音」を分けて書く
①狙い：深夜の食堂での一場面を、映像だけでなく台詞・環境音・効果音まで一体で生成する。Veo 3.1のように映像と音声を同一パスで生成するモデルでは、音の指示を分けて明記することで意図通りの演出になりやすくなります。
Interior of a quiet late-night diner, one customer at the counter. A tired waitress sets down a coffee cup in front of him.
Dialogue: waitress says, "Long night, huh?" — spoken softly, half-smiling.
SFX: coffee pot clinking against the cup, distant traffic outside.
Ambience: low hum of a refrigerator, faint radio static.
Camera: slow push-in on the waitress's face as she speaks.③分解：Dialogue（台詞）・SFX（効果音）・Ambience（環境音）を見出し語で明示的に分離しているのが要点です。MiniMax H3の公式的なプロンプト設計解説でも、台詞・効果音・環境音・音楽の4つの役割を混同せず個別に書くことが推奨されており、この構造はVeoやSeedanceなど他の音声対応モデルにもおおむね転用できます。
モデル別・モーション制御機能の比較
| モデル | モーション制御の特徴 | 出典 |
|---|---|---|
| Veo 3.1（Google DeepMind） | 映像と台詞・効果音・環境音を同一パスで生成。音の指示をテキストで明示するほど再現度が上がる | Google Cloud Blog |
| Kling 3.0（Kuaishou） | 6軸カメラ制御、Motion Brushによる領域別モーション指定、カメラシェイクの強度調整に対応 | Kling公式ブログ |
| Runway Gen-4.5 | Motion Brushで要素ごとに動きの方向を指定。物理挙動（落下・破砕・液体）の再現に強い | Runwayヘルプセンター |
| Seedance 2.5（ByteDance） | タイムスタンプ単位でショットごとの動作・音声を個別指示できるマルチショット構成に対応 | Pixo Seedance 2.5解説 |
モーション記述で使う語彙の型
| 要素 | 使う語彙の例 | 効果 |
|---|---|---|
| 被写体の主動作 | walks, turns, reaches for, tilts, launches into | 動きの開始点と方向を明確化 |
| 速度変化 | shifts into slow motion, snaps back to normal speed, accelerates | 緩急でメリハリをつくる |
| 二次的な動き | sway, drift, flicker, ripple, swirl | 髪・布・炎・水など環境の生命感 |
| カメラの連動 | whip-pans to follow, holds on, push-in as she speaks | 被写体の動きとカメラの因果関係 |
| 音の指示 | Dialogue: / SFX: / Ambience: | 台詞・効果音・環境音を混同させない |
主な情報源
- Ultimate prompting guide for Veo 3.1（Google Cloud Blog）
- Prompting Guide（Runway Academy）
- Image to Video Prompting Guide（Runwayヘルプセンター）
- Gen-4 Video Prompting Guide（Runwayヘルプセンター）
- Kling AI Prompt Guide: Cinematic Video Secrets（Kling公式ブログ）
- Kling AI Camera Control Guide（Kling公式ブログ）
- Kling Motion Control User Guide（Kling公式）
- MiniMax H3 Prompt Guide: T2VA, I2VA, Frames, and Audio（DomoAI）
- Seedance 2.5 AI Video Generator 解説（Pixo）
- Seedance 2.5 vs Runway Gen-4 比較（Atlas Cloud Blog）
サンプルプロンプトは本メディアのオリジナル例です。各モデル・サービスは提供元の規約に従ってご利用ください。生成物の権利・商用条件は各規約をご確認ください。情報は公開時点のもの。収集・要約はAI、公開判断は人。